R语言使用逻辑回归分类算法
2017-06-05 15:47
459 查看
说明
逻辑回归属于概率统计的分类算法模型的算法,是根据一个或者多个特征进行类别标号预测。在R语言中可以通过调用logit函数执行逻辑回归分类算法并预测输出概率。通过调用glm函数将family参数也就是响应分布指定为binominal(二项式),就是使用逻辑回归算法。操作
同进述内容一样准备好训练数据集与测试数据集。fit = glm(churn ~ .,data = trainset,family = binomial) summary(fit) Call: glm(formula = churn ~ ., family = binomial, data = trainset) Deviance Residuals: Min 1Q Median 3Q Max -3.1519 0.1983 0.3460 0.5186 2.1284 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 8.3462866 0.8364914 9.978 < 2e-16 *** international_plan1 -2.0534243 0.1726694 -11.892 < 2e-16 *** voice_mail_plan1 1.3445887 0.6618905 2.031 0.042211 * number_vmail_messages -0.0155101 0.0209220 -0.741 0.458496 total_day_minutes 0.2398946 3.9168466 0.061 0.951163 total_day_calls -0.0014003 0.0032769 -0.427 0.669141 total_day_charge -1.4855284 23.0402950 -0.064 0.948592 total_eve_minutes 0.3600678 1.9349825 0.186 0.852379 total_eve_calls -0.0028484 0.0033061 -0.862 0.388928 total_eve_charge -4.3204432 22.7644698 -0.190 0.849475 total_night_minutes 0.4431210 1.0478105 0.423 0.672367 total_night_calls 0.0003978 0.0033188 0.120 0.904588 total_night_charge -9.9162795 23.2836376 -0.426 0.670188 total_intl_minutes 0.4587114 6.3524560 0.072 0.942435 total_intl_calls 0.1065264 0.0304318 3.500 0.000464 *** total_intl_charge -2.0803428 23.5262100 -0.088 0.929538 number_customer_service_calls -0.5109077 0.0476289 -10.727 < 2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 1938.8 on 2314 degrees of freedom Residual deviance: 1515.3 on 2298 degrees of freedom AIC: 1549.3 Number of Fisher Scoring iterations: 6
找到分类模型中包含的可能导致错误分类的非显著变量,仅使用显著的变量来训练分类模型。
fit = glm(churn ~ international_plan + voice_mail_plan + number_customer_service_calls,data = trainset,family = binomial) summary(fit) Call: glm(formula = churn ~ international_plan + voice_mail_plan + number_customer_service_calls, family = binomial, data = trainset) Deviance Residuals: Min 1Q Median 3Q Max -2.6485 0.3067 0.4500 0.5542 1.6509 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 2.68272 0.12064 22.237 < 2e-16 *** international_plan1 -1.97626 0.15998 -12.353 < 2e-16 *** voice_mail_plan1 0.79423 0.16352 4.857 1.19e-06 *** number_customer_service_calls -0.44341 0.04445 -9.975 < 2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 1938.8 on 2314 degrees of freedom Residual deviance: 1678.5 on 2311 degrees of freedom AIC: 1686.5 Number of Fisher Scoring iterations: 5
调用fit使用一个内置模型来预测testset数据集的输出,可以通过调整概率是否高于0.5来改变类别标记的输出结果。
#这是选择预测之后的输出结果,这个参数能用在binomial数据,也就是响应变量是二分型的时候,这个参数选成type=response,表示输出结果预测响应变量为1的概率。 pred = predict(fit,testset,type = "response") #将ped中概率大于0.5的设置TRUE,代表为“no”,没有流失客户,1 #将ped中概率小于0.5的设置FALSE,代表为“yes”,有流失 客户,0 Class = pred > 0.5 summary(Class) Mode FALSE TRUE logical 28 990
对测试数据集的分类和预测结果进行统计分析计数:
tb = table(testset$churn,Class) > tb Class FALSE TRUE yes 15 126 no 13 864
将上一步骤的统计结果用分类形式表输出,并生成混淆矩阵
churn.mod = ifelse(testset$churn == "yes",1,0) > churn.mod [1] 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 [44] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 [87] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0 [130] 0 0 1 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 [173] 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 [216] 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 [259] 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 1 0 [302] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 [345] 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 [388] 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 0 0 [431] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 [474] 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 [517] 0 0 0 0 0 0 0 0 1 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0 0 [560] 0 0 0 0 0 0 0 1 0 1 0 1 1 0 1 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 [603] 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0 [646] 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 [689] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 [732] 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 [775] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 [818] 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 [861] 1 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 [904] 0 0 1 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 [947] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 [990] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0
将Class转化成numeric
ABC = as.numeric(Class)
ABC与churn.mod 中0,1代表的意思相反,将ABC进行数值取反
BC = 1 - ABC
计算混淆矩阵
confusionMatrix(churn.mod,BC) Confusion Matrix and Statistics Reference Prediction 0 1 0 864 13 1 126 15 Accuracy : 0.8635 95% CI : (0.8408, 0.884) No Information Rate : 0.9725 P-Value [Acc > NIR] : 1 Kappa : 0.138 Mcnemar's Test P-Value : <2e-16 Sensitivity : 0.8727 Specificity : 0.5357 Pos Pred Value : 0.9852 Neg Pred Value : 0.1064 Prevalence : 0.9725 Detection Rate : 0.8487 Detection Prevalence : 0.8615 Balanced Accuracy : 0.7042 'Positive' Class : 0
逻辑回归算法和线性回归非常相似,两者区别是在于线性回归算法中的变量是连续变量,而逻辑回归响应变量是二分类的变量(名义变量),使用逻辑回归算法主要目的是利用logit模型去预测和测量变量相关的名义变量的概率。逻辑回归公式:ln(P/(1-P)),P为某事情发生的概率。
逻辑回归的算法的优势是在于算法易于理解,能够直接输出预测模型的逻辑概率逻辑值以及结果的置信区间,与决策树难以更新模型不同,逻辑回归算法能够迅速在逻辑回归算法中合并新的数据,更新分类模型,逻辑回归算法的不足是无法处理多重共线性问题,因此解决变量必须线性无关。glm提供了一个通用的线性回归模型,可以通过设置family参数得到,当为binomial回归时,可以实现二元分类。
调用fit函数预测测试数据集testset的类别响应变量,fit函数能够输出类标号的概率,如果概率值小于等于0.5,意味预测得出的类标号与测试数据集的实际类标号不相符,如果大于0.5则说明两者是一致的,进一步调用summsary函数来得到预测的模型。最后进行计数统计与混淆矩阵。
相关文章推荐
- R语言与机器学习学习笔记(分类算法)(6)logistic回归
- 分类算法系列2----逻辑回归特征选择
- 逻辑回归和朴素贝叶斯算法实现二值分类(matlab代码)
- 逻辑回归算法——解决分类问题
- 斯坦福机器学习公开课6-x 使用逻辑回归处理多分类
- 机器学习逻辑回归:使用C++语言手工编写程序对a1a数据集进行Logistic分类
- 逻辑回归(Logistic Regression, LR)又称为逻辑回归分析,是分类和预测算法中的一种。通过历史数据的表现对未来结果发生的概率进行预测。例如,我们可以将购买的概率设置为因变量,将用户的
- 分类算法之逻辑回归
- 使用逻辑回归对MNIST数字分类
- Theano教程:使用逻辑回归分类MNIST数字
- 使用R完成逻辑斯蒂回归分类
- 分类算法 之 逻辑回归--理论+案例+代码
- 使用R进行逻辑回归 分类
- 分类算法----逻辑回归预测
- DS&ML_分类算法笔记之逻辑回归模型
- 使用R完成逻辑斯蒂回归分类 直接上代码,如下:
- 【机器学习笔记四】分类算法 - 逻辑回归
- 机器学习之二:分类算法 之 逻辑回归
- [置顶] 【ML--14】在R语言中使用SVM算法做多分类预测
- tensorflow 学习专栏(四):使用tensorflow在mnist数据集上使用逻辑回归logistic Regression进行分类